自动复杂化基于亲和性的酸富化用于LC-MS/MS血蛋白质组学
Sergio Mosquim Junior1, Fredrik Levander1,2
1Department of Immunotechnology, Lund University, Lund, Sweden.
Proteomics
|August 28, 2024
概括
这项研究引入了一种使用抗体丰富的新型半自动化方法,以克服生物标志物发现等离子体蛋白质组学方面的挑战. 该技术成功地识别了数千个以前未被检测到的,增强了大规模的蛋白质组分析.
科学领域:
- 蛋白质组学是指蛋白质组学.
- 生物标志物发现发现
- 分析化学 分析化学
背景情况:
- 由于最小侵入性采集,等离子体蛋白质学对生物标志物发现有价值.
- 血蛋白的广泛动态范围提出了一个重要的分析挑战.
- 现有的方法很难全面捕捉整个蛋白质组.
研究的目的:
- 开发一种半自动化方法,用于在血中增强丰富.
- 为了应对等离子体蛋白质组学中的动态范围挑战.
- 通过全面的类分析,提高生物标志物发现潜力.
主要方法:
- 使用多个单链可变片段 (scFv) 抗体进行丰富.
- 在蛋白质提取和消化后,在聚合的血样本上测试了29种不同的抗体.
- 采用多重抗体方法来缩短分析时间.
主要成果:
- 成功丰富了3662个,在纯血或对照中没有检测到.
- 证明大多数抗体在各种丰度水平上至少丰富了155个.
- 在重复的样本分析中获得了较低的变化系数,表明可重复性.
结论:
- 开发的方法显著扩大了可检测的分数在血蛋白质组学.
- 半自动,多重复合的抗体丰富方法是高效和可重复的.
- 这种技术对于大规模的生物标志物发现项目具有很大的潜力.
更多相关视频
10:37Deep Proteome Profiling by Isobaric Labeling, Extensive Liquid Chromatography, Mass Spectrometry, and Software-assisted Quantification
Published on: November 15, 2017
11.9K
11:19Label-Free Immunoprecipitation Mass Spectrometry Workflow for Large-scale Nuclear Interactome Profiling
Published on: November 17, 2019
16.0K
